阿波羅新聞網新聞 > 科教 > 正文

程序員讓開 硅谷將是物理學家的天下

因技能對口和薪酬優厚,物理學家的硅谷之路越走越寬。

奧斯卡·博伊金(Oscar Boykin.上圖)認為,現在可不是當物理學家的好時候。

他曾就讀於喬治亞理工學院物理系,2002年拿到加州大學洛杉磯分校物理學博士學位。

四年前,物理學家們藉助瑞士的大型強子對撞機,發現了科學家在上世紀60年代就預言存在的一種亞原子粒子(希格斯玻色子)。

希格斯玻色子沒有推翻宇宙理論模型,沒有改變任何東西,因此並沒有為物理學家設置新的難關。

“只有當物理學不太理想的時候,物理學家才有用武之地,現在可供我們改進的餘地並不多,”他說,“這讓人感覺很沒勁。”而且,薪資也不理想。

於是,博伊金離開了物理學界,他去到硅谷,成為一名軟件工程師。在他看來,做軟件工程師正當時。

博伊金就職於幫助商家在線收款的初創企業Stripe,該公司估值高達90億美元。

他參與構建並運營從公司服務中收集數據的軟件系統,他還致力於預測這些服務未來的狀況,包括詐騙交易會在何時、何地、以何種形式發生。

由於此類預測需要極強的數學和抽象思維能力,身為物理學家的博伊金便成了理想人選。

與其他物理學家不同,博伊金所處的環境還為他提供無盡的挑戰與可能,而且薪酬相當不錯。

如果將物理學和軟件工程比作亞原子粒子,那麼可以說,硅谷已成為兩者對撞的領域。除博伊金外,Stripe公司還雇有另外三名物理學家。

去年12月,通用電氣收購機器學習初創企業Wise.io。當時,通用電氣CEO傑夫·伊梅爾特(Jeff Immelt)就曾驕傲地宣稱,該公司的物理學家濟濟一堂,最值得一提的是加州大學伯克利分校的天體物理學家喬書亞·布魯姆(Joshua Bloom)。

這也並非有意為之。“我們沒有處心積慮地去找,”Stripe總裁、聯合創始人約翰·科里森(John Collison)說,“這是水到渠成的事。”

因為從結構和技術上講,互聯網公司的需求和物理學家的技能組合越來越匹配了。順理成章之事

當然,從計算機科學萌芽之初,物理學家們的身影就活躍其中,就像他們活躍於其他任何領域一樣。

約翰·莫齊利(John Mauchly)是ENIAC(早期的計算機)的設計者之一,他就是名物理學家。C語言之父丹尼斯·里奇(Dennis Ritchie)也是。

對物理學家而言,挺進計算機技術領域恰逢其時,還有賴於機器學習的興起,即機器通過分析大量的數據,學會完成各種任務。

這一波數據科學和人工智能的新浪潮,簡直是為物理學家量身定製的。

該行業擁抱了神經網絡,這是旨在模仿人腦結構的軟件。但歸根結底,神經網絡就是超大規模的數學計算,主要是線性代數和概率論。

計算機科學家不一定有這些領域的背景,但物理學家必備這些知識。

“對物理學家而言,唯一比較陌生的就是如何優化及訓練神經網絡,但這些都相對簡單,”博伊金說。

克里斯·比肖普(Chris Bishop)主管微軟位於英國劍橋的研究實驗室。三十年前,他就產生了這樣的想法。

當時,神經網絡的前景剛開始在學術領域顯現出來。他就轉行做起了機器學習。

“物理學家進入機器學習領域是再自然不過的事情,”他說,“比進入計算機科學領域還要順理成章。”為挑戰而來

博伊金說,十年前,老同學們一個個都投身金融界。在華爾街,物理學家的技能組合也適用於預測市場走向。

一種關鍵工具就是布萊克-舒爾茲模型(Black-Scholes Equation),它被用來確定金融衍生品的價值,也參與釀成了2008年的金融大崩潰。

而今,博伊金和其他物理學家們表示,更多的同儕轉向了數據科學和其他的計算機技術領域。

2010年以後,物理學家們紛紛進入頂尖的科技公司,參與構建所謂的大數據軟件,處理成百上千台機器的數據。

在Twitter,博伊金就參與構建了名為Summingbird的大數據軟件。在麻省理工學院(MIT)物理繫結識的三名物理學家創辦了初創企業Cloudant,也是構建類似的軟件。

物理學家知道如何對付數據——Cloudant的三位創始人在MIT就負責處理大型強子對撞機的巨量數據。

構建這些巨大的複雜系統,離不開物理學家獨有的抽象思維能力;而一旦系統建立起來,又會有無數的物理學家參與其中,使用系統所駕馭的數據。

在早年的谷歌,巨型分佈式系統的關鍵構建者之一是斯坦福大學弦理論博士尤納坦·臧格(Yonatan Zunger)。

當初,凱文·斯科特(Kevin Scott)加入谷歌廣告團隊,負責從谷歌全網抓取數據,並以此預測哪些數據可能獲得最多點擊。

為此,斯科特僱傭了不少物理學家。機器學習具有極強的實驗性質,這和物理學家的技能組合極為相契。

這是物理學家區別於很多計算機科學家的地方。“這幾乎就是實驗室科學,”斯科特說。如今他在LinkedIn擔任首席技術官。

大數據軟件已成家常便飯。Stripe正使用博伊金曾參與構建的系統的開源版本;其他無數企業的機器學習模型也在其幫助下,驅動着各項預測。

因此,物理學家的硅谷之路越走越寬。

在Stripe,博伊金的團隊里還有哥倫比亞大學的物理學博士、哈佛大學的物理學碩士和MIT的物理學學士。

他們因技能對口和薪酬優厚加入這個團隊。正如博伊金所說:“科技領域的薪水可以說高得離譜。”但他們也是看中了無數有待攻克的難題。未來

今天,物理學家們進軍硅谷企業。在未來的許多年,類似現象還會進一步蔓延。

機器學習不僅僅會改變數據分析的方式,還會改變軟件構建的方式。

眼下,神經網絡已經在重塑圖像識別、語音識別、機器翻譯,以及軟件界面的本質。

正如微軟的克里斯·比肖普所說,軟件工程正在從基於邏輯的人工編程,轉移到基於概率和不確定性的機器學習。

谷歌和Facebook等企業將開始以這種新的思路重新培訓各自的工程師。繼而,計算領域的其他企業也會紛紛效仿。

換言之,物理學家向硅谷工程師的領域挺進,這標誌着更大的變革正在醞釀之中。

很快,硅谷的工程師都將反其道而行,向著物理學的疆域大規模進發。

阿波羅網責任編輯:夏雨荷 來源:百家 轉載請註明作者、出處並保持完整。

科教熱門

相關新聞

➕ 更多同類相關新聞